icwb2-data データセットは、北京大学、香港城市大学、台湾 CKIP、中央研究院、中国マイクロソフト研究所が共同でリリースしたデータセットで、中国語単語セグメンテーション モデルのトレーニングに使用されます。このうち、AS と CityU は繁体字中国語のデータセットであり、PK と MSR は簡体字中国語のデータセットです。